Implementação de um escalonador de processos em GPU
|
|
|
- Aníbal de Escobar Bergmann
- 6 Há anos
- Visualizações:
Transcrição
1 Implementação de um escalonador de processos em GPU Guilherme Martins 6 de abril de 2017 Guilherme Martins Implementação de um escalonador de processos em6 GPU de abril de / 27
2 Conteúdo 1 Introdução Apresentação 2 Objetivos 3 Metodologia 4 Cronograma 5 Referências Guilherme Martins (guilhermemartins@usp.br) Implementação de um escalonador de processos em6 GPU de abril de / 27
3 Apresentação Guilherme Martins Graduado em Sistemas de Informação pela Universidade Federal de Viçosa. Atualmente, mestrando em Sistemas Distribuídos e Computação Concorrente sob orientação do professor Paulo S. L. de Souza. Área de Atuação Contato Programação paralela e concorrente; Programação híbrida; Pesquisa Operacional. guilhermemartins@usp.br martins_guilherme@live.com Guilherme Martins (guilhermemartins@usp.br) Implementação de um escalonador de processos em6 GPU de abril de / 27
4 O escalonamento de processos (process scheduling) é uma das tarefas fundamentais de um Sistema Operacional. O objetivo de um algoritmo escalonador é definir a melhor ordem de alocação dos processos na CPU no intuito de maximizar a quantidade de jobs processados e minimizar o tempo de processamento [1]. Guilherme Martins (guilhermemartins@usp.br) Implementação de um escalonador de processos em6 GPU de abril de / 27
5 Existem diversas sequências possíveis para ordenar os processos, levando em consideração diversos critérios como tamanho da tarefa (LPT), ordem de entrada (FIFO), divisão igualitária (FSS), entre outros [2]. Guilherme Martins Implementação de um escalonador de processos em6 GPU de abril de / 27
6 Representação de fluxo de processamento Figura 1: Flow Shop or Assembly Line Work Flow, fonte: monetize-your-abandoned-or-dormant-technologies.aspx Guilherme Martins Implementação de um escalonador de processos em6 GPU de abril de / 27
7 É evidente que existem inúmeras combinações possíveis para o sequenciamento destes processos, que podem gerar melhores ou piores resultados, baseados nas métricas estabelecidas anteriormente. Guilherme Martins (guilhermemartins@usp.br) Implementação de um escalonador de processos em6 GPU de abril de / 27
8 GPU GPU (Graphics Processing Unit) ou Unidade de Processamento Gráfico é uma classe de microprocessadores especializados no processamento gráfico em computadores. Define-se computação com GPU a utilização conjunta da placa gráfica e da CPU no intuito de acelerar o processamento de aplicações ou dados. html Guilherme Martins (guilhermemartins@usp.br) Implementação de um escalonador de processos em6 GPU de abril de / 27
9 Nvidia GeForce GTX Titan Z (desktop) Figura 2: Nvidia GeForce GTX Titan Z (desktop), fonte: Guilherme Martins (guilhermemartins@usp.br) Implementação de um escalonador de processos em6 GPU de abril de / 27
10 Nvidia GeForce GTX 980M (Notebook) Figura 3: Nvidia GeForce GTX 980M (Notebook), fonte: com.br/object/geforce-gtx-900m-graphics-cards-br.html Guilherme Martins Implementação de um escalonador de processos em 6 de GPU abril de / 27
11 AMD Radeon R9 nano (desktop) Figura 4: AMD Radeon R9 nano (desktop), fonte: Guilherme Martins Implementação de um escalonador de processos em 6 de GPU abril de / 27
12 AMD Radeon R9 m200 (notebook) Figura 5: AMD Radeon R9 m200 (notebook), fonte: Guilherme Martins Implementação de um escalonador de processos em 6 de GPU abril de / 27
13 GPGPU General Purpose Graphics Processing Unit ou Unidade de Processamento Gráfico de Propósito Geral trata-se da do uso, através de tecnologias para programação de propósito geral, como OpenCL e CUDA, de placas de vídeo para outros fins além de renderização gráfica. Ou seja, é a utilização da GPU para realizar a computação em aplicações que antes eram tratadas pela CPU. Exemplos Exemplos da utilização das GPUs para outros fins podem ser identificados nas áreas de processamento de imagem, visão computacional, inteligência artificial, cálculo numérico e pesquisa operacional. fonte Guilherme Martins (guilhermemartins@usp.br) Implementação de um escalonador de processos em 6 de GPU abril de / 27
14 Como funciona a aceleração por GPU Figura 6: fonte: Guilherme Martins (guilhermemartins@usp.br) Implementação de um escalonador de processos em 6 de GPU abril de / 27
15 CUDA CUDA TM (Compute Unified Device Architecture) é uma plataforma de computação paralela e um modelo de programação inventados pela NVIDIA. Ela permite aumentos significativos de performance computacional ao aproveitar a potência da unidade de processamento gráfico (GPU) para o processar dados. O modelo de programação CUDA utiliza as linguagens C, C++ ou Fortran. Guilherme Martins (guilhermemartins@usp.br) Implementação de um escalonador de processos em 6 de GPU abril de / 27
16 Fluxo de processamento em CUDA Figura 7: Adaptado de Guilherme Martins Implementação de um escalonador de processos em 6 de GPU abril de / 27
17 GPUs são dispositivos que oferecem poder computacional bastante superior aos processadores comuns CPUs, quando trata-se de problemas massivamente paralelos e que apresentam um espaço solução considerável. Uma das ferramentas mais estáveis e utilizadas na literatura para resolução de problemas diversos em GPU trata-se da plataforma CUDA [3]. Guilherme Martins (guilhermemartins@usp.br) Implementação de um escalonador de processos em 6 de GPU abril de / 27
18 Objetivos Conteúdo 1 Introdução Apresentação 2 Objetivos 3 Metodologia 4 Cronograma 5 Referências Guilherme Martins (guilhermemartins@usp.br) Implementação de um escalonador de processos em 6 de GPU abril de / 27
19 Objetivos Objetivo Geral Simular as funcionalidades de um escalonador de processos de um Sistema Operacional em GPU. Objetivos Específicos Desenvolver um método heurístico baseado nas diferentes abordagens de scheduling presentes na literatura que garanta uma solução razoável para o problema em questão; Avaliar o desempenho computacional da solução desenvolvida, comparando com outras já existentes; Documentar as conclusões obtidas através da escrita de um artigo. Guilherme Martins (guilhermemartins@usp.br) Implementação de um escalonador de processos em 6 de GPU abril de / 27
20 Metodologia Conteúdo 1 Introdução Apresentação 2 Objetivos 3 Metodologia 4 Cronograma 5 Referências Guilherme Martins (guilhermemartins@usp.br) Implementação de um escalonador de processos em 6 de GPU abril de / 27
21 Metodologia O algoritmo será construído baseado na metodologia multistart, que prevê que diversas soluções iniciais podem ser paralelamente refinadas, através de uma técnica como SWAP e SHIFT, e suas interações podem ser avaliadas através de um critério de parada ou metodologia de corte (branch & bound). Guilherme Martins (guilhermemartins@usp.br) Implementação de um escalonador de processos em 6 de GPU abril de / 27
22 Metodologia Pretende-se gerar instâncias de jobs, através de uma ferramenta como o IBM CPLEX, que apresentarão quantidade e tempos de processamento variável. A solução construída deve ser capaz de processar estes dados em GPU, gerar as sequências e tempos finais, que serão comparados com algoritmos tradicionais. Guilherme Martins (guilhermemartins@usp.br) Implementação de um escalonador de processos em 6 de GPU abril de / 27
23 Cronograma Conteúdo 1 Introdução Apresentação 2 Objetivos 3 Metodologia 4 Cronograma 5 Referências Guilherme Martins (guilhermemartins@usp.br) Implementação de um escalonador de processos em 6 de GPU abril de / 27
24 Cronograma Cronograma de Atividades do Projeto Tabela 1: Cronograma do Projeto em Meses Atividade Abril Maio Junho Estudo da ferramenta e Revisão Bibliográfica Implementação Testes e Validação Escrita do Relatório Final (artigo) Guilherme Martins (guilhermemartins@usp.br) Implementação de um escalonador de processos em 6 de GPU abril de / 27
25 Referências Conteúdo 1 Introdução Apresentação 2 Objetivos 3 Metodologia 4 Cronograma 5 Referências Guilherme Martins (guilhermemartins@usp.br) Implementação de um escalonador de processos em 6 de GPU abril de / 27
26 Referências Andrew S Tanenbaum and Herbert Bos. Modern operating systems. Prentice Hall Press, Michael L Pinedo. Scheduling: theory, algorithms, and systems. Springer Science & Business Media, Mathias Bourgoin, Emmanuel Chailloux, and Jean-Luc Lamotte. Efficient abstractions for gpgpu programming. International Journal of Parallel Programming, 42(4): , Ashok Dwarakinath. A fair-share scheduler for the graphics processing unit. PhD thesis, STONY BROOK UNIVERSITY, Guilherme Martins (guilhermemartins@usp.br) Implementação de um escalonador de processos em 6 de GPU abril de / 27
27 Referências N Melab, I Chakroun, M Mezmaz, and D Tuyttens. A GPU-accelerated Branch-and-Bound Algorithm for the Flow-Shop Scheduling Problem. 14th IEEE International Conference on Cluster Computing, Cluster 12, Sparsh Mittal and Jeffrey S. Vetter. A survey of cpu-gpu heterogeneous computing techniques. ACM Comput. Surv., 47(4):69:1 69:35, July Guilherme Martins (guilhermemartins@usp.br) Implementação de um escalonador de processos em 6 de GPU abril de / 27
CUDA: Compute Unified Device Architecture. Marco Antonio Simões Teixeira
CUDA: Compute Unified Device Architecture Marco Antonio Simões Teixeira Sumário Introdução; CUDA: História; CUDA: programando; CUDA e deep learning; Links úteis; Considerações finais. 2 INTRODUÇÃO 3 O
Comparação de eficiência entre OpenCL e CUDA
Aluno: Thiago de Gouveia Nunes Orientador: Prof. Marcel P. Jackowski GPGPU O que é GPGPU? É programação de propósito geral em GPUs. =D GPGPU Existem 2 linguagens populares no mercado para GPGPU, o CUDA
Técnicas de Processamento Paralelo na Geração do Fractal de Mandelbrot
Técnicas de Processamento Paralelo na Geração do Fractal de Mandelbrot Bruno Pereira dos Santos Dany Sanchez Dominguez Esbel Tomás Evalero Orellana Universidade Estadual de Santa Cruz Roteiro Breve introdução
1.1 Descrição do problema A programação genética (PG) é uma meta-heurística utilizada para gerar programas de computadores, de modo que o computador
1 Introdução 1.1 Descrição do problema A programação genética (PG) é uma meta-heurística utilizada para gerar programas de computadores, de modo que o computador possa resolver problemas de forma automática
PALAVRAS CHAVE. Centros de Cross-Docking, Máquinas Paralelas, Computação em GPU.
Abordagem heurística para o Problema de sequenciamento de tarefas em centros de Cross-docking com múltiplas docas utilizando programação paralela em GPU Guilherme Martins Universidade de São Paulo, Campus
Introdução ao CUDA. Material elaborado por Davi Conte.
Introdução ao CUDA Material elaborado por Davi Conte. O objetivo deste material é que o aluno possa iniciar seus conhecimentos em programação paralela, entendendo a diferença da execução de forma sequencial
What is? Eduardo Viola Nicola Disciplina de IPPD
What is? Eduardo Viola Nicola evnicola@inf.ufpel.edu.br Disciplina de IPPD Sumário 1)Introdução 2)Princípio Geral de Funcionamento 3)Exemplos de Aplicações 4)Modelo de Programação 5)Linguagens Suportadas
Paradigmas de Processamento Paralelo na Resolução do Fractal de Mandelbrot
Paradigmas de Processamento Paralelo na Resolução do Fractal de Mandelbrot Bruno Pereira dos Santos Dany Sanchez Dominguez Universidade Estadual de Santa Cruz Cronograma Introdução Serial vs Processamento
COMPUTAÇÃO PARALELA COM ACELERADORES GPGPU 1. Emilio Hoffmann De Oliveira 2, Edson Luiz Padoin 3.
COMPUTAÇÃO PARALELA COM ACELERADORES GPGPU 1 Emilio Hoffmann De Oliveira 2, Edson Luiz Padoin 3. 1 Trabalho de Conclusão de Curso 2 Aluno do Curso de Ciência da Computação - emiliohoffmann@hotmail.com
ESTRATÉGIAS DE OTIMIZAÇÃO DE CÓDIGO EM OPENCL
6ª Jornada Científica e Tecnológica e 3º Simpósio de Pós-Graduação do IFSULDEMINAS 04 e 05 de novembro de 2014, Pouso Alegre/MG ESTRATÉGIAS DE OTIMIZAÇÃO DE CÓDIGO EM OPENCL Claudio André da SILVA JUNIOR
Escalonamento de Aplicações BoT em Ambiente de Nuvem
Escalonamento de Aplicações BoT em Ambiente de Nuvem Maicon Ança dos Santos 1 Fernando Angelin 1 Gerson Geraldo H. Cavalheiro 1 1 Universidade Federal de Pelotas {madsantos,fangelin,gerson.cavalheiro}@inf.ufpel.edu.br
GPU (Graphics Processing Unit) Bruno Padilha Gregory De Bonis Luciana Kayo
GPU (Graphics Processing Unit) Bruno Padilha - 5745282 Gregory De Bonis - 6431180 Luciana Kayo - 6430992 O que é? O que é? - Processador auxiliar responsável principalmente por operações de ponto flutuante
Processamento Paralelo Utilizando GPU
Processamento Paralelo Utilizando GPU Universidade Estadual de Santa Cruz Bruno Pereira dos Santos Dany Sanchez Dominguez Esbel Evalero Orellana Cronograma Breve introdução sobre processamento paralelo
Paralelização do algoritmo de Método de Estimação Não-Paramétrico por Núcleo Estimador Multivariado (KDE) utilizando GPU/CUDA
See discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/271325676 Paralelização do algoritmo de Método de Estimação Não-Paramétrico por Núcleo Estimador
Processamento de áudio em tempo real utilizando dispositivos não convencionais:
Processamento de áudio em tempo real utilizando dispositivos não convencionais: Processamento paralelo com Pure Data e GPU. André Jucovsky Bianchi ajb@ime.usp.br Departamento de Ciência da Computação Instituto
Fabrício Gomes Vilasbôas
Fabrício Gomes Vilasbôas Apresentação Placas Arquitetura Toolkit e Ferramentas de Debug Pensando em CUDA Programação CUDA Python Programação PyCUDA 1) Grids( padrão Globus) 2) Clusters ( padrão MPI) 3)
MPE(S)- Metodologias de Planeamento e Escalonamento Planning and Scheduling Methodologies
MPE(S)- Metodologias de Planeamento e Escalonamento Planning and Scheduling Methodologies Eugénio Oliveira / Henrique L. Cardoso {eco, hlc}@fe.up.pt Sítio web institucional Sítio web específico: http://paginas.fe.up.pt/~eol/prodei/mpe1415_eng.htm
de petróleo. Um novo domínio chamado computação de propósito geral em processadores gráficos (GPGPU) surgiu quando os pipelines de gráficos de
12 1 1.1. Motivações Dentre os tipos de técnicas de Inteligência Artificial existentes, as técnicas de Programação Genética (PG) continuam mudando rapidamente conforme os pesquisadores e profissionais
Sparse Matrix-Vector Multiplication on GPU: When Is Rows Reordering Worthwhile?
Sparse Matrix-Vector Multiplication on GPU: When Is Rows Reordering Worthwhile? Paula Prata João Muranho Instituto de Telecomunicações Departamento de Informática Universidade da Beira Interior Instituto
Computação Paralela (CUDA)
Universidade Federal do Amazonas Faculdade de Tecnologia Departamento de Eletrônica e Computação Computação Paralela (CUDA) Hussama Ibrahim hussamaibrahim@ufam.edu.br Notas de Aula Baseado nas Notas de
UNIVERSIDADE FEDERAL DO PARÁ PRÓ-REITORIA DE PESQUISA E PÓS-GRADUAÇÃO DIRETORIA DE PESQUISA PROGRAMA INSTITUCIONAL DE BOLSAS DE INICIAÇÃO CIENTÍFICA
UNIVERSIDADE FEDERAL DO PARÁ PRÓ-REITORIA DE PESQUISA E PÓS-GRADUAÇÃO DIRETORIA DE PESQUISA PROGRAMA INSTITUCIONAL DE BOLSAS DE INICIAÇÃO CIENTÍFICA RELATÓRIO TÉCNICO CIENTÍFICO Período: Outubro/2015 a
Eng. Thársis T. P. Souza
Introdução à Computação de Alto Desempenho Utilizando GPU Seminário de Programação em GPGPU Eng. Thársis T. P. Souza t.souza@usp.br Instituto de Matemática e Estatística - Universidade de São Paulo Introdução
Aplicação de Processamento Paralelo com GPU a Problemas de Escoamento Monofásico em Meios Porosos. Bruno Pereira dos Santos Dany Sanchez Dominguez
Aplicação de Processamento Paralelo com GPU a Problemas de Escoamento Monofásico em Meios Porosos Bruno Pereira dos Santos Dany Sanchez Dominguez 1 Roteiro 1. Introdução 2. Five-Spot Problem 3. Modelagem
Placa de vídeo em CUDA
Placa de vídeo em CUDA Matheus Costa Leone de Souza Krystian Aparacido Resumo Quando você tem um cálculo que possa ser grande demais para você realizar a mão, a primeira solução que lhe vem a cabeça é
5 Unidades de Processamento Gráfico GPUs
5 Unidades de Processamento Gráfico GPUs As GPUs são processadores maciçamente paralelos, com múltiplos elementos de processamento, tipicamente utilizadas como aceleradores de computação. Elas fornecem
1 Introdução. I know because I must know. It's my purpose. It's the reason I'm here. (The Matrix) 1.1 Objetivos do trabalho
1 Introdução I know because I must know. It's my purpose. It's the reason I'm here. (The Matrix) 1.1 Objetivos do trabalho Os hardwares gráficos atualmente podem ser considerados como verdadeiros processadores
Suporte à Execução Eficiente de Aplicações em Plataformas com Paralelismo Multi-Nível
Suporte à Execução Eficiente de Aplicações em Plataformas com Paralelismo Multi-Nível Vinícius Garcia Pinto Lucas Mello Schnorr Nicolas Maillard Grupo de Processamento Paralelo e Distribuído (GPPD) Instituto
Organização de Computadores I
Organização de Computadores I Prof. Cláudio C. Rodrigues Bibliografia: 1. Arquitetura e Organização de Computadores: Projeto para o Desempenho, 5ª edição - William Stallings - Prentice Hall. livro texto
ARQUITETURA DE COMPUTADORES
RCM00014 Haswell wafer ARQUITETURA DE COMPUTADORES Prof. Luciano Bertini Site: http://www.professores.uff.br/lbertini/ Objetivos do Curso Entendimento mais aprofundado do funcionamento
Uma heurística paralela na GPU para o problema do Caixeiro Viajante Duplo com Múltiplas Pilhas
Uma heurística paralela na GPU para o problema do Caixeiro Viajante Duplo com Múltiplas Pilhas Anolan Milanés, Arne Løkketangen Molde University College Norway Email: anolan@dcc.ufmg.br RESUMO O problema
DESENVOLVIMENTO DE UM ALGORITMO PARALELO PARA APLICAÇÃO EM CLUSTER DE COMPUTADORES
DESENVOLVIMENTO DE UM ALGORITMO PARALELO PARA APLICAÇÃO EM CLUSTER DE COMPUTADORES João Ricardo Kohler Abramoski (PAIC/FUNDAÇÃO ARAUCÁRIA), Sandra Mara Guse Scós Venske (Orientadora), e-mail: ssvenske@unicentro.br
AGA 511. Métodos Computacionais em Astronomia. Segundo semestre de 2017
AGA 511 Métodos Computacionais em Astronomia Segundo semestre de 2017 Informações gerais Prof. Alex Cavaliéri Carciofi Email: carciofi@usp.br Ramal: 2712 Colaborador: Carlos Eduardo Paladini Email: carlos.paladini@iag.usp.br
USO DE PARALELISMO DE DADOS PARA MAIOR EFICIÊNCIA DE ALGORITMOS DE PROCESSAMENTO DE IMAGENS
Universidade Federal de Ouro Preto - UFOP Instituto de Ciências Exatas e Biológicas - ICEB Departamento de Computação - DECOM USO DE PARALELISMO DE DADOS PARA MAIOR EFICIÊNCIA DE ALGORITMOS DE PROCESSAMENTO
Frustum Culling Híbrido Utilizando CPU e GPU. Aluno: Eduardo Telles Carlos Orientador: Alberto Raposo Co-Orientador: Marcelo Gattass
Frustum Culling Híbrido Utilizando CPU e GPU Aluno: Eduardo Telles Carlos Orientador: Alberto Raposo Co-Orientador: Marcelo Gattass Agenda Objetivos Motivação Algoritmos de visibilidade Frustum Culling
Workshop de Informática Biomédica (WIBm)
42 UTILIZAÇÃO DE UNIDADES DE PROCESSAMENTO GRÁFICO EM SIMULAÇÕES DO PROBLEMA DE PONTOS ALEATÓRIOS Cristiano Roberto Fabri Granzotti 1, Alexandre Souto Martinez 1 1 Laboratório de Simulação em Sistemas
IMPLEMENTAÇÃO E OTIMIZAÇÃO DE UMA BOUNDING INTERVAL HIERARCHY PARA UM RAYTRACER DE TEMPO REAL USANDO CUDA
UNIVERSIDADE FEDERAL DE PERNAMBUCO GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO CENTRO DE INFORMÁTICA IMPLEMENTAÇÃO E OTIMIZAÇÃO DE UMA BOUNDING INTERVAL HIERARCHY PARA UM RAYTRACER DE TEMPO REAL USANDO CUDA Proposta
SISTEMAS OPERACIONAIS
SISTEMAS OPERACIONAIS Introdução a Sistemas Operacionais Andreza Leite andreza.leite@univasf.edu.br Plano de Aula Introdução aos Sistemas Operacionais Fundamentação Teórica Evolução Histórica Características
Paralelização do Detector de Bordas Canny para a Biblioteca ITK usando CUDA
Paralelização do Detector de Bordas Canny para a Biblioteca ITK usando CUDA Luis Henrique Alves Lourenço Grupo de Visão, Robótica e Imagens Universidade Federal do Paraná 7 de abril de 2011 Sumário 1 Introdução
UNIVERSIDADE FEDERAL DE PERNAMBUCO REALIDADE AUMENTADA COM MARCADORES EM GPU MESTRADO EM CIÊNCIAS DA COMPUTAÇÃO CENTRO DE INFORMÁTICA
UNIVERSIDADE FEDERAL DE PERNAMBUCO MESTRADO EM CIÊNCIAS DA COMPUTAÇÃO CENTRO DE INFORMÁTICA PRÉ-PROJETO DE PESQUISA REALIDADE AUMENTADA COM MARCADORES EM GPU BERNARDO FONSECA REIS DE SOUZA bfrs@cin.ufpe.br
Processamento de áudio em tempo real em dispositivos computacionais de alta disponibilidade e baixo custo
Processamento de áudio em tempo real em dispositivos computacionais de alta disponibilidade e baixo custo André J. Bianchi 21/10/2013 1 / 33 1 Introdução 2 Metodologia 3 Arduino 4 GPU 5 Android 6 Conclusão
Computação científica utilizando placas gráficas
Brasília, dezembro de 2008 Universidade de Brasília - Faculdade do Gama Sumário Introdução Sumário Introdução Arquitetura da GPU Sumário Introdução Arquitetura da GPU Modelo de programação Sumário Introdução
Auditoria de senhas em hardware paralelo com o John the Ripper O impacto das tecnologias de processamento paralelo na quebra de senhas
Auditoria de senhas em hardware paralelo com o John the Ripper O impacto das tecnologias de processamento paralelo na quebra de senhas Claudio André claudio.andre@correios.net.br Motivação Seu computador
Aplicações em CUDA. Medialab Instituto de Computação Universidade Federal Fluminense NVIDIA CUDA Research Center
Aplicações em CUDA Medialab Instituto de Computação Universidade Federal Fluminense NVIDIA CUDA Research Center Roteiro l Introdução l Eventos l Aspectos históricos l Operações atômicas l Introdução sobre
SERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG
Matriz Curricular FGGCOMP - Bacharelado em Ciência da Computação 0. Disciplinas Obrigatórias FGGCOMP.00 Cálculo I FGGELET.00 - Cálculo I / FGGMATE.00 - Cálculo Diferencial e Integral I FGGCOMP.00 Geometria
SERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG
Matriz Curricular FGGCOMP - Bacharelado em Ciência da Computação 0. Disciplinas Obrigatórias FGGCOMP.00 Cálculo I FGGELET.00 - Cálculo I / FGGMATE.00 - Cálculo Diferencial e Integral I FGGCOMP.00 Geometria
SERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG
Matriz Curricular FGGCOMP - Bacharelado em Ciência da Computação 0. Disciplinas Obrigatórias FGGCOMP.00 Cálculo I FGGELET.00 - Cálculo I / FGGMATE.00 - Cálculo Diferencial e Integral I FGGCOMP.00 Geometria
Análise Comparativa de Algoritmos NP-Completo Executados em CPU E GPU Utilizando CUDA
Computer on the Beach 2013 - Artigos Completos 79 Análise Comparativa de Algoritmos NP-Completo Executados em CPU E GPU Utilizando CUDA Elcio Arthur Cardoso, Rafael de Santiago Curso de Ciência da Computação
GPU Computing. GeForce and Radeon OpenCL Test. OpenCL
GPU Computing GeForce and Radeon OpenCL Test Publicado em 15.jan.2010 em www.geeks3d.com - Tradução por Luiz Gustavo TURATTI http://www.geeks3d.com/20100115/gpu-computing-geforce-and-radeon-opencl-test-part-1/
Introdução à Informática. Aula 1
Introdução à Informática Aula 1 Site da disciplina sites.google.com/site/ifbagustavo/ Ementa Introdução ao HARDWARE; Conceitos e operacionais; utilização de sistemas Utilização de Processador de texto;
Jônatas Lopes de Paiva Instituto de Matemática e Estatística Universidade de São Paulo. 06 de maio de 2011
Jônatas Lopes de Paiva jlp@ime.usp.br Instituto de Matemática e Estatística Universidade de São Paulo 06 de maio de 2011 Introdução String-matching O que é? Em que é utilizado Tipos GPU GPGPU String-matching
MÉTODOS NUMÉRICOS UTILIZANDO GNU/OCTAVE E GPGPU
REDUÇÃO DO TEMPO DE EXECUÇÃO DE MÉTODOS NUMÉRICOS UTILIZANDO GNU/OCTAVE E GPGPU ANDRÉ LUIS TIBOLA, VINÍCIUS MENEZES DE OLIVEIRA Resumo No presente trabalho é apresentada uma proposta para solução do problema
Celso L. Mendes LAC /INPE
Arquiteturas para Processamento de Alto Desempenho (PAD) Aula 9 Celso L. Mendes LAC /INPE Email: celso.mendes@inpe.br Aula 9 (3/5): E. Aceleradores Estrutura Planejada i. Estruturas mais Populares ii.
Análise e Testes de Algoritmos Utilizando Sistemas de Arquiteturas Híbridas CPU/GPU
Análise e Testes de Algoritmos Utilizando Sistemas de Arquiteturas Híbridas CPU/GPU Danilo, Silva Maciel Univem - Marília, Brasil danilo.maciel@univem.edu.br Mauricio Duarte maur.duarte@gmail.com Univem
PROPOSTA DE UMA ESTRATÉGIA DE PROGRAMAÇÃO EXPLÍCITA COM ANOTAÇÃO EM CÓDIGO EM BUSCA DE EFICIÊNCIA ENERGÉTICA 1
PROPOSTA DE UMA ESTRATÉGIA DE PROGRAMAÇÃO EXPLÍCITA COM ANOTAÇÃO EM CÓDIGO EM BUSCA DE EFICIÊNCIA ENERGÉTICA 1 Bruno Mokan Muenchen 2, João Vicente Ferreira Lima 3. 1 Projeto de pesquisa realizado pelo
MC4: Introdução à Programação Paralela em GPU para a Implementação de Métodos Numéricos
MC4: Introdução à Programação Paralela em GPU para a Implementação de Métodos Numéricos Aula 1: Introdução à programação paralela e ao ambiente de programação CUDA Profs.: Daniel Alfaro e Silvana Rossetto
Introdução. Arquitetura e Organização de Computadores I. Programa. Arquitetura e Organização de. Computadores. Capítulo 1.
Arquitetura e Organização de Computadores I Prof. Cláudio C. Rodrigues Arquitetura e Organização de Computadores I Objetivo: Entender a regra dos componentes de um sistema computador e como eles trabalham
Organização de Computadores
Organização de Computadores Aula 29 Controle Microprogramado Rodrigo Hausen 24 de novembro de 2011 http://cuco.pro.br/ach2034 1/32 Apresentação 1. Bases Teóricas 2. Organização de computadores... 2.6.
Introdução na Computação Distribuída e Paralela
ISUTIC 2017 Introdução na Computação Distribuída e Paralela Docente: MSc. Angel Alberto Vazquez Sánchez Características da matéria 90 horas no semestre Conferências, Aulas Práticas, Laboratórios e Seminários
Implementação Paralela do Algoritmo de Roteamento de Veículos com Janelas de Tempo sob a Plataforma CUDA
Implementação Paralela do Algoritmo de Roteamento de Veículos com Janelas de Tempo sob a Plataforma CUDA Aluno: Thiago William Machado RA: 107577 thiagowilliamm@yahoo.com.br Orientador: Prof. Dr. Ricardo
Implementação do Conceito Big Data Utilizando Processamento Paralelo.
FACULDADE DE TECNOLOGIA DO ESTADO DE SÃO PAULO Curso Superior de Tecnologia em Sistemas para Internet Curso Superior de Tecnologia em Análise e Desenvolvimento de Sistemas Implementação do Conceito Big
Leapfrog Geo 3.1. Notas técnicas da versão
Página 1 Leapfrog Geo 3.1 Notas técnicas da versão Este documento descreve os principais novos recursos e melhorias que estão no Leapfrog Geo 3.1. Por favor, contate sua equipe local de suporte para uma
6 Resultados Estratégias Consideradas
Resultados 38 6 Resultados Este capítulo mostra algumas estratégias consideradas antes de chegarmos ao sistema proposto, mostra também os resultados obtidos ilustrados por diversos experimentos computacionais,
1.1. Motivação Objetivos
1 Introdução As Unidades de Processamento Gráfico (GPUs), ou Placas Gráficas, foram originalmente desenvolvidas com o propósito de renderização gráfica. Contudo, nos últimos anos, o desempenho na realização
Clusterização K-Means Paralelo Aplicado na Classificação de Alvos em Imagens de Alta Resolução
Clusterização K-Means Paralelo Aplicado na Classificação de Alvos em Imagens de Alta Resolução Luís Paulo Manfré Ribeiro luis.ribeiro@inpe.br Instituto Nacional de Pesquisas Espaciais - INPE São José dos
Escalonamento de Tarefas Divisíveis em Redes Estrela
Escalonamento de Tarefas Divisíveis em Redes Estrela Elbio Renato Torres Abib 1, Celso Carneiro Ribeiro 2 1 Departamento de Informática União Pioneira de Integração Social SEPS 712/912, Conj. A - Asa Sul
Escalonamento de Programas MPI-2: Divisão-e-Conquista com Work Pushing e Work Stealing
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL INSTITUTO DE INFORMÁTICA PROGRAMA DE PÓS-GRADUAÇÃO EM COMPUTAÇÃO GUILHERME PERETTI PEZZI Escalonamento de Programas MPI-2: Divisão-e-Conquista com Work Pushing
INTRODUÇÃO À TECNOLOGIA DA INFORMAÇÃO PROCESSOS PROFESSOR CARLOS MUNIZ
INTRODUÇÃO À TECNOLOGIA DA PROFESSOR CARLOS MUNIZ O QUE SÃO? Definição: Entidade dinâmica que consiste num programa em execução, os seus valores correntes, informação de estado e recursos utilizados pelo
10º Congresso de Pesquisa MIDDLEWARE PARA MANIPULAÇÃO E PROCESSAMENTO DE IMAGENS EM UM CLUSTER DE DISPOSITIVOS EMBARCADOS
10º Congresso de Pesquisa MIDDLEWARE PARA MANIPULAÇÃO E PROCESSAMENTO DE IMAGENS EM UM CLUSTER DE DISPOSITIVOS EMBARCADOS Autor(es) JOSE LUIS ZEM Co-Autor(es) BRUNO TEODOSIO GONÇALVES 1. Introdução A possibilidade
SSC0112 Organização de Computadores Digitais I - Turma 2
SSC0112 Organização de Computadores Digitais I - Turma 2 1ª Aula Apresentação e Introdução da disciplina Profa. Sarita Mazzini Bruschi sarita@icmc.usp.br Apresentada pelo Prof. Paulo Sergio Lopes de Souza
ESTÁGIOS DOMINANTES FLEXÍVEIS EM SISTEMAS DE PRODUÇÃO FLOW SHOP HÍBRIDOS
ESTÁGIOS DOMINANTES FLEXÍVEIS EM SISTEMAS DE PRODUÇÃO FLOW SHOP HÍBRIDOS João Vitor Moccellin Departamento de Engenharia de Produção Escola de Engenharia de São Carlos, Universidade de São Paulo. Av. Trabalhador
SERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG
LEI Nº.9, DE 9//00, PUBLICADA NO DOU DE 0//00, SEÇÃO I, PAGS. I - Rua São Luiz Gonzaga, s/n - São Luiz - Formiga - MG - CEP: 0-000 Tel: ()-09 - Site: www.formiga.ifmg.edu.br Matriz Curricular FGGCOMP -
Avaliação do Tempo de Processamento e Comunicação via Rotinas MPI Assíncronas no Modelo OLAM
Universidade Federal do Pampa 15º Escola Regional de Alto Desempenho/RS Avaliação do Tempo de Processamento e Comunicação via Rotinas MPI Assíncronas no Modelo OLAM Matheus Beniz Bieger - Claudio Schepke
SOP - TADS Escalonamento de Processos
SOP - TADS Escalonamento de Processos Prof. Ricardo José Pfitscher dcc2rjp@joinville.udesc.br Material cedido por: Prof. Rafael Rodrigues Obelheiro Prof. Maurício Aronne Pillon Cronograma Conceito de Escalonamento
Autor 1 Orientador: 1. dia de mês de ano
Título Autor 1 Orientador: 1 1 Laboratório de Sistemas de Computação Universidade Federal de Santa Maria dia de mês de ano Roteiro Introdução Fundamentação Desenvolvimento Resultados Conclusão e Trabalhos
COMPARAÇÃO ENTRE HEURÍSTICAS PARA AMBIENTES FLOW SHOP COM MINIMIZAÇÃO DO MAKESPAN
COMPARAÇÃO ENTRE HEURÍSTICAS PARA AMBIENTES FLOW SHOP COM MINIMIZAÇÃO DO MAKESPAN Lázaro Antônio da Fonseca Júnior, Universidade Federal de Goiás, jrlazaro@ufg.br Lara Fernandes Gonçalves, Universidade
Introdução à Programação Paralela através de Padrões. Denise Stringhini Calebe Bianchini Luciano Silva
Introdução à Programação Paralela através de Padrões Denise Stringhini Calebe Bianchini Luciano Silva Sumário Introdução: conceitos de paralelismo Conceitos básicos sobre padrões de programação paralela
UM MODELO DE PROGRAMAÇÃO INTEIRA MISTA PARA A PROGRAMAÇÃO DA PRODUÇÃO EM FLOWSHOP HÍBRIDO COM BUFFERS LIMITADOS
UM MODELO DE PROGRAMAÇÃO INTEIRA MISTA PARA A PROGRAMAÇÃO DA PRODUÇÃO EM FLOWSHOP HÍBRIDO COM BUFFERS LIMITADOS Pedro Luis Miranda Lugo Universidade Federal de São Carlos Departamento de Engenharia de
Introdução à Computação para Engenharia MAC2166 Prof. Dr. Paulo Miranda IME-USP. Aula 1 Introdução à Computação
Introdução à Computação para Engenharia MAC2166 Prof. Dr. Paulo Miranda IME-USP Aula 1 Introdução à Computação Eventos históricos: 1) Primeiro computador a válvulas, o Eletronic Numeric Integrator And
ARQUITETURA DE COMPUTADORES
RCM00014 Haswell wafer ARQUITETURA DE COMPUTADORES Prof. Luciano Bertini Site: http://www.professores.uff.br/lbertini/ Objetivos do Curso Entendimento mais aprofundado do funcionamento
Sistemas de Computação
Sistemas de Computação Introdução Haroldo Gambini Santos Universidade Federal de Ouro Preto - UFOP 11 de março de 2010 Haroldo Gambini Santos Sistemas de Computação 1/24 Classi cação/uso de Computadores
ANÁLISE COMPARATIVA DE HEURÍSTICAS PARA MINIMIZAÇÃO DE ADIANTAMENTOS E ATRASOS EM FLOW SHOP COM TEMPOS DE SETUP
ANÁLISE COMPARATIVA DE HEURÍSTICAS PARA MINIMIZAÇÃO DE ADIANTAMENTOS E ATRASOS EM FLOW SHOP COM TEMPOS DE SETUP John Lennon Damas David UFG/Campus Catalão johnlennon_13@yahoo.com.br Hélio Yochihiro Fuchigami
Uma Implementação do Algoritmo Multiple-Segment Viterbi em um Ambiente Heterogêneo
Uma Implementação do Algoritmo Multiple-Segment Viterbi em um Ambiente Heterogêneo Henrique Marinho Candia, Samuel Ferraz 1 Faculdade de Computação (FACOM) Universidade Federal de Mato Grosso do Sul (UFMS)
Sistemas de Computação. Bibliogra a. Hardware e Software. Notas. Introdução. Haroldo Gambini Santos. 26 de abril de Notas
Classi cação/uso de Computadores Digitais Sistemas de Computação Introdução Haroldo Gambini Santos Universidade Federal de Ouro Preto - UFOP 26 de abril de 2010 Haroldo Gambini Santos Sistemas de Computação
Sistemas Operacionais. Gerência de Processador
Sistemas Operacionais Gerência de Processador Sumário 1. Introdução 2. Funções Básicas do Escalonamento 3. Critérios de Escalonamento 4. Escalonamento 1. Não-Preemptivo 2. Preemptivo 5. Políticas de Escalonamento
Disciplina de Organização de Computadores Digitais
USP - ICMC - SSC SSC 0511 - Sist. Informação - 2o. Semestre 2015 Disciplina de Prof. Fernando Santos Osório Email: fosorio [at] { icmc. usp. br, gmail. com } Página Pessoal: http://www.icmc.usp.br/~fosorio/
CUDA-RA: Uma ferramenta de interpretação de álgebra relacional e estrutura de dados para GPU
CUDA-RA: Uma ferramenta de interpretação de álgebra relacional e estrutura de dados para GPU Jéssica A. Raposo Seibert 1, Victor Pedro Corrêa 1, Luis Fernando Orleans 1, Marcelo Zamith 1 1 Departamento
INE 5645 PROGRAMAÇÃO PARALELA E DISTRIBUIDA PROVA 2 13/11/2017 ALUNO
INE 5645 PROGRAMAÇÃO PARALELA E DISTRIBUIDA PROVA 2 13/11/2017 ALUNO 1. Sockets - Indicar (Verdade/Falso): (2.0) (a) (Verdade/Falso) A comunicação entre processos consiste em transmitir uma mensagem entre
Mecanismo de Segurança para Redes Móveis Ad Hoc
Universidade Federal de Pernambuco Graduação em Engenharia da Computação Centro de Informática 2013.2 Mecanismo de Segurança para Redes Móveis Ad Hoc Proposta de trabalho de Graduação Aluno: Gregório Patriota
Implementação e investigação de algoritmos computacionais paralelos para caracterização de imagens radiológicas de mamografias
Implementação e investigação de algoritmos computacionais paralelos para caracterização de imagens radiológicas de mamografias Matheu A. Batista dos Santos, Pedro Lima Oliveira, Marcelo Ossamu Honda Departamento
ARQUITECTURA DE COMPUTADORES 2013/2014 2º SEMESTRE
ARQUITECTURA DE COMPUTADORES 2013/2014 2º SEMESTRE Objectivos da Disciplina Príncipios gerais da arquitectura de computadores Estrutura e comportamento de um computador Programação em assembly Processadores
MEIC Sistemas Distribuídos
MEIC Sistemas Distribuídos 2 de março de 2017 Rodrigo Miragaia Rodrigues Baseado nos slides apresentados por Paulo Ferreira Departamento de Engenharia Informá3ca 2 Fonte: Malte Schwarzkopf. Operating system
ANNCOM Biblioteca de Redes Neurais Artificiais para Alto Desempenho Utilizando Placas de Vídeo
Daniel Salles Chevitarese ANNCOM Biblioteca de Redes Neurais Artificiais para Alto Desempenho Utilizando Placas de Vídeo Dissertação de Mestrado Dissertação apresentada como requisito parcial para obtenção
Análise de Desempenho e Paralelização de Algoritmos para Redes Neurais Profundas
Análise de Desempenho e Paralelização de Algoritmos para Redes Neurais Profundas Carlos A. T. Aguni, Alex E. Kawahira, Daniel Cordeiro 1 Escola de Artes Ciências e Humanidades Universidade de São Paulo
Processamento Sísmico de Alto Desempenho na Petrobras
Processamento Sísmico de Alto Desempenho na Petrobras Thiago Teixeira E&P-Exp/Geof/Tecnologia Geofísica Julho/2011 Processamento Sísmico e Interpretação 2 Aquisição Sísmica Linhas Sísmicas Volumes de dados
Introdução à Computação MAC0110
Introdução à Computação MAC0110 Prof. Dr. Paulo Miranda IME-USP Aula 1 Introdução à Computação Eventos históricos: 1) Primeiro computador a válvulas, o Eletronic Numeric Integrator And Calculator (ENIAC).
Computação Musical - Introdução slides do curso Computação Musical
- Introdução slides do curso Departamento de Ciência da Computação Universidade Federal de São João Del Rei 2014/2 O que é computação musical? Denitivamente é computação. Relacionada e aplicada à música.
Um Calculador de Capacidade de Computação para Nós de Máquinas Virtuais LAM/MPI
Um Calculador de Capacidade de Computação para Nós de Máquinas Virtuais LAM/MPI Diego Luis Kreutz 1 Lucas Mello Schnorr 2 Cleverton Marlon Possani 3 Resumo Este texto apresenta um calculador de capacidade
Sistemas de Produção em Fluxo
Uma introdução a problemas de sequenciamento em sistemas de produção em fluxo Faculdade de Ciências da Universidade do Porto 18 de Janeiro de 2012 Sumário Introdução Literatura (Makespan) Pesquisa Local
Engenharia Informática Computação Gráfica
Computação Gráfica 11569 - Engenharia Informática Gráficos 3D - Evolução Histórica Computação Gráfica 1 Sumário! Criação de Gráficos! Criação de Modelos 3D! Pipeline Gráfico! Hardware Gráfico! Bibliotecas
Organização de Computadores I
Organização de Computadores I Aula 2 Material: Diego Passos http://www.ic.uff.br/~debora/orgcomp/pdf/parte2.pdf Organização de Computadores I Aula 2 1/29 Tópicos de Computação. de um Sistema de Computação..